基于层次任务网络的军事计划优化方法分析-analysis of military planning optimization method based on hierarchical task network.docxVIP

摘要军事计划活动是军事指挥过程的最复杂、最重要的环节。在军事计划的编制过程中，由于相关的行动和资源等要素的复杂性，使得一个可行、高效的计划的生成和求解都显得较为困难。在该领域的研究中，层次任务网络（Hierarchical Task Network，HTN）计划方法被较早引入。该方法通过对任务的分解和冲突的消解来寻求完成使命的可行方案。在任务分解过程中，由于复合任务分解方法的不唯一性，分解树的数目会随着各层复合任务节点分解方法的增加成指数增长。如果任务分解过程中考虑资源的优化配置，则需要在任务的分解过程中加入资源调度算法，从大量任务分解树中寻找资源最优方案。这显然形成了一个NP完全问题。本文针对该问题，在现有研究的基础上，提出了面向资源优化配置的HTN计划框架和一种基于变长染色体遗传算法的HTN计划优化搜索算法，解决了将资源优化配置引入军事计划编制过程中的问题。1、文章首先介绍了HTN计划的概述，包括产生和发展、原理、优缺点、形式化描述和求解方法。在此基础上，提出了与资源优化配置相集成的HTN计划结构框架、过程框架和算法流程。结构框架包括使命层、规则层、计划层、调度层、资源层和应用层。过程框架描述基于资源优化配置的计划生成与优化过程，包括基于规则对问题进行HTN形式描述、生成初始HTN分解树及行动序列、引入资源调度算法并以资源优化配置为标准对任务网络优化解进行搜索，以及生成问题最优解方案四个部分。在算法流程的描述中，系统首先生成初始的任务状态、任务网络和使命及其相关要素、规则集和资源集，在此基础上实现计划编制与资源优化配置的集成。本文以遗传算法为例对这一优化集成过程进行了算法描述。2、进而，本文对任务网络分解树的性质进行分析，证明了同一任务网络的不同分解树之间符合特定条件的子树进行交换后得到的子树仍为原任务网络的分解树。基于此性质，文中提出了一种基于变长染色体遗传算法（MessyGenetic Algorithm，MGA）的HTN计划优化搜索算法，确保在HTN的分解过程中快速搜索到资源最优的行动序列。针对该算法，文中设计了一个仿真实验，对算法的有效性和适用性进行了分析和证明，得出了与理论相吻合的实验结果。3、最后，本文选用一个联合作战渡海登岛战役的案例，对上述提出的框架和算法进行了案例分析和验证，包括案例的HTN方法描述、编码方式、交叉和突变方法等。实验得到的结果，被证明是案例的资源消耗最小的行动方案。主题词：军事计划；层次任务网络；遗传算法；资源优化ABSTRACTMilitaryplanningisoneofthemostimportantstepsinthewholeprocessof militarydecision-makingandcommanding.Becauseofthecomplexityoftheelements whichtightlyinvovledwithplanning,suchassituations,actions,resoursesandsoon,it appearsextremelyhardtofindaneffectiveapproachtogenerateandseekaneffective feasibleplan.Intheresearchdomainofthisproblem,aplanningmenthodHTNhas beenintroducedforalongtime,whichaimestosearchthefeasibleblueprintthoughthe completelydecomposingthemissionsandclearinguptheconflicts.Duringtheprocess ofmissionsdecompositionintherealworld,duetothedecompositionmethodsof missionnodesarenotexclusive,theincreasementofthedecompositionmethodsof compoundmissionswilldefinitelycauseanexponentialincreasementofthenumberof thedecompositiontrees.Ifresourseschedulingisintroducedintotheproccessatthis time,thesameasconsideringtheoptimumassignmentofresourcesduringthemission decomposing, it will have to add algorithmsfor resource optimumin order to fi